基于鲁棒LS-SVM的ARMA时序模型研究

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。     

基于动态时间弯曲的区间值时间序列匹配算法

结合vague集的优点,将区间值的思想应用于时间序列研究,定义了基于区间值的时间序列.同时,在综合分析了不同的vague值(区间值)的相似度量的缺点后,提出了一种新的基于vague值的相似度量,并结合动态时间弯曲的思想,给出了一个基于动态时间弯曲的区间值时间序列的相似性匹配算法.     

"已实现"双幂次变差与多幂次变差的有效性分析

近年来,基于金融高频数据的波动率研究成为金融学研究领域的热点,而有效性是衡量波动率估计量优劣的重要标准,本文对波动率估计量的新方法“已实现”双幂次变差和“已实现”多幂次变差的有效性进行了研究,得出“已实现”双幂次变差在一般条件下比“已实现”波动更有效的结论,并且证明了在一定条件下,“已实现”多幂次变差的幂次个数越多,该波动率估计量的有效性越高.这一结论为“已实现”多幂次变差的幂次个数选取提供了原则.     

基于改进多孔算法的时间序列预测

针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性。为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力。实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型。     

一种混合建模方法在陀螺漂移预测中的应用研究

陀螺仪作为惯性导航系统的核心惯性器件,其漂移性能直接影响导航的精确性,分析陀螺漂移的变化趋势并预测由漂移所引发的陀螺故障具有重要的意义。提出一种基于灰色理论和平稳时间序列分析的混合建模方法,并将其用于预测陀螺漂移。实验结果表明该混合建模预测方法能够精确地预测陀螺的漂移,从而为陀螺的性能分析和故障预报提供依据。同时与单一预测方法相比,该混合方法具有较强的预测能力。     

基于最邻近聚类和向量模糊c-均值的混沌预测

针对混沌时间序列难预测的问题,提出一种新的基于最邻近聚类和向量模糊c-均值(FCMV)聚类算法的模糊建模方法。其前提参数辨识分两步,首先用最近邻聚类法初始划分输入空间,得到规则数及初始聚类中心,再用FCMV把具有相同收敛向量的聚类中心归到同一个区域来优化前一步得到的聚类中心,得到前提参数;采用递推最小二乘算法辨识模型的结论参数。最后通过对Mackey-Glass混沌时间序列的建模和预测验证了该方法的有效性与实用性。     

两阶段串联可修系统的统计过程控制与视情维修整合研究

针对两阶段串联可修系统,考虑随机偏移的情况,研究统计过程控制（SPC）与视情维修整合的问题. 首先,应用均值-残差联合控制图监控系统的质量状态,根据质量状态采取相应的维修策略,在此基础上,分析SPC与视情维修策略整合的可能场景,并根据全概率公式给出了每个场景发生的概率;其次,考虑人力成本、生产率以及停时损失,根据更新理论构建了SPC与视情维修整合的数学模型;然后,针对具体实例,将构建的模型与单独的维修策略模型和采用经验法则选取控制图的设计参数模型进行了比较分析,结果表明构建的模型在节约成本方面有着明显的优势;最后,运用部分析因设计对过程参数、时间参数和成本参数进行了敏感性分析.     

5种外汇储备资产币种的投资组合

选取对我国外汇储备资产影响较大的美元、欧元、日元、港元、英镑等5个币种为研究对象,对2006-08-01--2010-04-08的汇率数据进行分析,从投资组合理论的角度出发,用预测值取代算术平均值来衡量各币种的汇率收益率,得出各币种的投资组合.     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题,本文提出一种基于概率图的作战任务智能规划方法,通过统计分析判定任务间因果关系,采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率,进而基于时间序列方法预测战场态势变化,实现辅助指挥员智能决策。最后,本文在某联合登岛案例中开展了方法验证,结果表明,所提出的方法可成功实现任务规划并具有可解释性,可实现对战场态势变化的预测和快速响应,在战场上为军队提供强有力的支持。     

Enhancing survey‐based investment forecasts

We investigate the accuracy of capital investment predictors from a national business survey of South African manufacturing. Based on data available to correspondents at the time of survey completion, we propose variables that might inform the confidence that can be attached to their predictions. Having calibrated the survey predictors' directional accuracy, we model the probability of a correct directional prediction using logistic regression with the proposed variables. For point forecasting, we compare the accuracy of rescaled survey forecasts with time series benchmarks and some survey/time series hybrid models. In addition, using the same set of variables, we model the magnitude of survey prediction errors. Directional forecast tests showed that three out of four survey predictors have value but are biased and inefficient. For shorter horizons we found that survey forecasts, enhanced by time series data, significantly improved point forecasting accuracy. For longer horizons the survey predictors were at least as accurate as alternatives. The usefulness of the more accurate of the predictors examined is enhanced by auxiliary information, namely the probability of directional accuracy and the estimated error magnitude.